BzInsight

เรื่อง MDM หรือ master data management กำลังเป็นคำยอดฮิตในหมู่คนที่มีส่วนเกี่ยวข้องกับงาน BI แต่ก็เหมือนกันกับ buzzword อื่นๆ ที่พอมีคนพูดถึงกันมากๆ vendor หรือคนไอทีหลายๆ คนก็เริ่มพยายามตั้งชื่อระบบ หรือสร้างงานที่มันมีคำว่า MDM อยู่ด้วย จะได้ไม่ตกยุค

ผมเองก็เป็นคนหนึ่งในจำพวกนั้น คือโดยหน้าที่รับผิดชอบ ต้องหาหรือสร้างความสามารถที่จะทำให้องค์กร ได้รับประโยชน์สูงสุดจากการลงทุนในงานด้าน Business Intelligence ซึ่งปฎิเสธไม่ได้เลยว่า คุณภาพของข้อมูลมีความสำคัญเป็นอย่างยิ่ง และเจาะให้ลึกลงไปอีก กว่าครึ่งของปัญหา data quality มีสาเหตุมาจากข้อมูลอ้างอิงหรือ master data นี่แหละ วิธีง่ายๆ ในการขายไอเดียให้ผู้ใหญ่ ก็คือ ก็เลือกใช้คำว่า MDM นี่แหละ ดูทันสมัยดี

โดยเนื้อหาแล้ว งานในส่วน MDM ก็คืองานที่ผสมกันระหว่าง data architecture กับ IT management นั่นแหละ คือต้องมองให้ออกว่า ข้อมูลอ้างอิงที่ต้องการ มันกระจายอยู่ในส่วนไหนขององค์กรบ้าง แล้วผลักดันให้เกิดระบบและกระบวนการทำงานที่มีประสิทธิภาพสูงสุด เกิดโอกาสผิดพลาดจากข้อมูลอ้างอิงน้อยที่สุด ซึ่งไม่ใช่เรื่องใหม่เลย เป็นสิ่งที่เมื่อ 10 ปีที่แล้ว ก็มีงานในลักษณะนี้ แต่ตอนนั้นมันไม่ได้เรียกกันว่า MDM เท่านั้นเอง

ผมมี white paper อยู่ฉบับหนึ่ง ซึ่งดาวน์โหลดมาจากไหนก็จำไม่ได้แล้ว แต่เคยเอาเนื้อหาในนั้นมาทำ presentation อธิบายลำดับขั้นความก้าวหน้าในการจัดการข้อมูลอ้างอิงภายในองค์กร เลยตัดเอาเฉพาะส่วนที่อธิบาย maturity level มาอัพขึ้น slideshare ข้างล่าง (อาจจะดูห้วนๆ ไปบ้างนะครับ เพราะความจริงแล้ว section นี้มันฝังอยู่ใน presentation ใหญ่เรื่องอื่ีนอีกที) ส่วนใครสนใจอยากอ่าน white paper ฉบับเต็ม ก็ดาวน์โหลดได้ที่นี่เลยครับ (pdf, Eng, 760kb)

คำสัญญาหรือประโยชน์หลักของ business intelligence ที่มีให้ต่อองค์กรธุรกิจ คือ ช่วยเพิ่มประสิทธิภาพในการตัดสินใจ ซึ่งประเด็นหลักอยู่ที่ การนำข้อมูลมาช่วยในการตัดสินใจ เราอาจจะเคยได้ยินวลีที่ว่า “Better informed decision” หรือ “Data-based decision making” แต่ถ้าภายในองค์กรของคุณ ขาดความสามารถในการบันทึกข้อมูลที่ละเอียด ครอบคลุมเพียงพอแล้วละก็ ลืม business intellligence ไปได้เลย เพราะไม่มีทางที่เป็นไปได้หากไม่ปรับเปลี่ยนกระบวนการทำงานพื้นฐานเสียก่อน

ลองพิจารณาเรื่องในชีวิตประจำวันดูบ้างนะครับ เอาเป็นว่า ถ้าคุณอยากตัดสินใจอะไรง่ายๆ บางอย่าง เช่น สมัครเป็นสมาชิกร้านอาหาร หรือร้านหนังสือดีมั้ย เพราะมีค่าสมัครกับระยะเวลาด้วย ตรรกะในการคิดง่ายๆ ก็คือ ถ้าส่วนลดที่จะได้รับ มากเกินกว่าค่าสมัคร ก็ถือว่าคุ้มค่า ข้อมูลที่เราต้องการใช้คือ เราใช้บริการร้านค้านั้นๆ บ่อยแค่ไหน และแต่ละครั้งที่ซื้อสินค้าหรือบริการนั้น เป็นมูลค่าเท่าไหร่ สมมติว่าพฤติกรรมการใช้บริการของเราไม่เปลี่ยนแปลงไปนะครับ การได้เห็นบันทึกการซื้อสินค้าในช่วงที่ผ่านมา จะช่วยการตัดสินใจสมัคร หรือไม่สมัครสมาชิกได้ง่าย และถูกต้องมากขึ้น

แล้วถ้าไม่ได้จดไว้ละ ทำยังไง? ก็แน่นอนครับ การตัดสินใจก็จะเป็นไปตามแรงกระตุ้นต่างๆ เช่น โปรโมชั่น หรือแคมเปญทางการตลาด หรือไม่ก็สัญชาติญาณหรืออารมณ์ในขณะนั้นล้วนๆ ซึ่งไม่น่าเชื่อ คนบางคนมี “กึ๋น” ในการตัดสินใจด้วยข้อมูลที่มีไม่เพียงพอ แต่นั่นเป็นเพียงคนส่วนน้อยเท่านั้นนะครับ ในขณะที่คนส่วนใหญ่ ความจำ ความรู้สึก ที่เป็นพื้นฐานข้อมูลในการตัดสินใจ มักจะมีลักษณะ relative หรือเป็น perception ที่บ่อยครั้งก็หลอกตา หลอกความรู้สึกได้อย่างเหลือเชื่อ พลอยให้การตัดสินใจไขว้เขวไปด้วย

ทั้งหมดนี้อาจจะไม่ใช่เรื่องใหญ่ ถ้าสิ่งที่คุณพยายามทำคือการตัดสินใจง่ายๆ ในชีวิตประจำวัน แต่ถ้าคุณลงทุนทำธุรกิจ กำลังจะออกโปรโมชั่นที่ลงทุนเป็นจำนวนมาก หรือกำลังตัดสินใจจะเปลี่ยน supplier รายใหญ่ แน่นอนที่คุณต้องการข้อมูลบางอย่างมาสนับสนุนการตัดสินใจของคุณ คุณอาจจะมองว่า BI ดูเหมือนจะเป็นทางออก  แต่อย่าลืมนะครับ ถ้าคุณไม่จดบันทึก BI ช่วยอะไรคุณไม่ได้เลย (นอกจากคุณเต็มใจจะเปลี่ยนกระบวนการทำงานมาจดบันทึกมากขึ้น)

ถ้าคุณมีพนักงานขายสินค้าต่างจังหวัด ที่ส่งรายงานการขายเข้ามาที่บริษัทเดือนละหนึ่งครั้ง อย่าเชื่อโฆษณาที่ว่า BI สามารถทำให้คุณทราบข้อมูลการขายเป็นรายวันหรือรายสัปดาห์ได้เพียงแค่ซื้อซอฟต์แวร์บางอย่างเข้ามาใช้ นอกเสียจากว่า คุณจะยอมลงทุนปรับเปลี่ยนการทำงานของพนักงานขาย ให้ส่งยอดขายเข้ามาถี่มากขึ้น ซึ่งการลงทุนที่ว่านี้ อาจจะเป็น hidden cost ในการนำ BI เข้ามาใช้ในองค์กรได้

ในระหว่างการประชุมทำ project review เมื่อกลางสัปดาห์ที่ผ่านมา ทางโปรเจ็คสปอนเซอร์ ซึ่งเป็น sales director ก็รีวิวความคืบหน้าของโครงการ ทางทีมทำ solution เสนอรายงาน 5 แบบกับ OLAP cube อีกหนึ่ง พอท่านผู้ใหญ่เห็นรายงาน ก็เริ่มเอ่ยปากขอ เพิ่มคอลัมน์ตรงนี้ได้ไหม ตัวเลขยอดขายนี่ นอกจากเป็น absolute volume แล้วขอเป็น index vs year ago ด้วยเป็นต้น ซึ่งแน่นอน ว่าโดยทางเทคโนโลยีแล้ว เป็นเรื่องง่ายมาก

ก่อนที่ทาง technical team leader จะมีโอกาสอ้าปากตอบ ผมต้องรีบชี้แจงว่า รายงาน 5 แบบนี้ ได้มาจากการทำ focus group discussion กับกลุ่มผู้ใช้ ผ่านการทะเลาะถกเถียงกันมานาน เพื่อให้ได้รายงานเพียงแค่ 5 แบบ (แทนที่จะเป็น 30 แบบ เพราะแต่ละคนต่างก็มี “ความชอบ” แตกต่างกัน)   ความจริงแล้ว เทคโนโลยีไม่ใช่ประเด็นหลัก แต่เราอยากได้รายงาน 5 ฉบับที่ 95% ของผู้ใช้เรียกใช้งานทุกวัน ทุกสัปดาห์ มากกว่าจะมีรายงานมากมายถึง 30 แบบ แต่ว่าแต่ละแบบมีคนใช้อยู่ไม่กี่คน กระจัดกระจายกันไป

ผมชี้แจงปัญหาที่ผมเรียกเอาเองว่า report proliferation คือการที่รายงานต่างๆ มีจำนวนเพิ่มมากขึ้นเรื่อยๆ อย่างรวดเร็ว เพียงเพราะว่าเครื่องมือด้าน business intelligence หรือความสามารถของคนไอที ที่ “ทำอะไรก็ได้ แบบไหนก็ได้ ใครขออะไร ได้หมด” และโดยส่วนมากความต้องการที่แตกต่างกันในแต่ละรายการก็เป็นเพียงแค่ want หรือ preference มากกว่าจะเป็นความต้องการทางธุรกิจจริงๆ

ลองนึกภาพพนักงานเข้าใหม่ มาทำงานวันแรก เริ่มใช้รายงานเป็นครั้งแรก เปิดหน้า portal เข้ามาเจอรายงาน 30 ฉบับก็ตาเหลือกแล้ว ไหนจะต้องคอยมาจำอีกว่า ถ้าจะคุยกับคนนี้ต้องใช้รายงาน A จะคุยกับคนนั้นใช้รายงาน B ทั้งๆ ที่เนื้อหาในรายงานโดยเนื้อแท้แล้ว ก็มาจาก cube หรือมาจาก datamart อันเดียวกันนั่นเอง

เราสรุปกันได้ว่า คำขอของ sales director ท่านนั้นก็จะผ่านไปสู่กระบวนการของ change management board เหมือนคำขออื่นๆ แถมดูเหมือนท่านจะสนับสนุนแนวคิด less is more แบบนี้เสียด้วย

วันก่อนมีโอกาสเข้าฟัง organization updates จากผู้ใหญ่ในแผนก ผ่านทาง teleconference กับ webcast มีอยู่ตอนหนึ่งที่มีการกล่าวถึงเรื่องการอบรมภายในบริษัท แล้วก็มีกราฟรูปหนึ่งโชว์จำนวนผู้ผ่านการอบรมในแต่ละสาขา แวบแรกที่ดูกราฟ ผมงงอยู่พักหนึ่งเหมือนกัน  เพราะในขณะที่ผู้พูดเริ่มเก็บข้อมูลเปรียบเทียบเฉพาะปี 2007 กับปี 2008 แต่ไหงกราฟมันโชว์สูงๆ ต่ำๆ เสียขนาดนั้น พอเห็น legend แล้วถึงได้เข้าใจ

ความจริงแล้วถ้าดูในส่วนของข้อมูลดิบ ก็ได้เป็นอย่างนี้

การใช้ line chart จะให้ความรู้สึกที่ต่อเนื่อง และโดยทั่วไปแล้ว แกนนอนของกราฟเส้นควรจะเป็นแกนเวลา แต่เนื่องจากข้อมูลชุดนี้มีข้อมูลเพียงแต่ 2 ช่วงเวลา แต่เป็นข้อมูลของชุดที่แตกต่างกันถึง 5 ชุด ผมเลยว่าถ้าเลือกใช้เป็นกราฟแท่ง น่าจะสื่อความหมายของ “การเติบโตเทียบกับปีที่แล้ว” ได้ดีกว่า

เพิ่มเติม:

ได้รับคำแนะนำจากเพื่อนให้ไปดูที่ ExtremePresentation ซึ่งเป็นไซต์ที่น่าสนใจทีเดียว มีหน้าหนึ่งที่แสดงวิธีการเลือกชนิดของ chart ที่จะใช้ด้วย  (คลิ้กเพื่อดูภาพเต็มนะครับ ถ้าไปที่ไซต์จะมี pdf ให้ดาวน์โหลดด้วย)

ที่มา: Extreme Presentation: Identify the most effective graphical elements to use in your presentation

คราวที่แล้วเอาสรุปของผลสำรวจการใช้ระบบ BI ในองค์กรธุรกิจขนาดกลาง มาให้ดู ตอนนี้รายงานฉบับเต็มเปิดให้ดาวน์โหลดแล้ว ดาวน์โหลดได้ที่นี่เลยครับ (pdf 1.7 mb, ภาษาอังกฤษ)

wordle เป็นเว็บที่ใช้สร้าง word cloud หรือ text cloud ตามคำต่างๆ ที่กำหนดให้ ในลักษณะเดียวกับที่เราเห็นกันตาม web 2.0 หรือตามบล็อกทั่วไป ที่แตกต่างกันก็คือ wordle ให้คุณสามารถเลือกปรับแต่งได้ ไม่ว่าจะเป็นฟอนต์ สี การวางเลย์เอา ทำให้ภาพที่ได้สวยกว่า word cloud ทั่วๆ ไป

ถึงแม้ว่าจะสวยงาม แต่ก็ยังเป็นได้แค่ของเล่นเท่านั้น เพราะยังมีข้อจำกัดอยู่หลายอย่าง เช่น

• ผลลัพธ์ที่ได้เป็นแค่ภาพที่สวยงามเท่านั้น ผู้ใช้ไม่สามารถคลิ้กที่คำแต่ละคำได้
• การตัดคำภาษาไทย ถึงแม้ว่าจะมีฟีเจอร์ตัดคำทั่วไปของหลายๆ ภาษา แต่เห็นได้ชัดว่ายังไม่สามารถตัดคำภาษาไทยได้ ทำให้เราเห็นคำว่า “อม” เป็นคำที่สำคัญที่สุดในบล็อกนี้ไปได้

ส่วนที่น่าสนใจนอกเหนือไปจากการเป็นของเล่นแล้ว wordle ยังแสดงให้เห็นความสามารถพื้นฐานของสิ่งที่เรียกว่า text analytics ซึ่งโดยการหลักแล้วคล้ายคลึงกัน คือการอ่านข้อมูลตัวอักษร แยกคำต่างๆ ออกจากกัน แล้ววิเคราะห์หาความสำคัญและความสัมพันธ์ของคำต่างๆ เหล่านั้น ในขณะที่ wordle หรือ word cloud ทั่วไปกำหนดความสำคัญอยู่เพียงแค่ “จำนวน” ครั้งที่คำๆ หนึ่งปรากฎอยู่ในเว็บไซต์ เครื่องมือ text analytics มีความก้าวหน้ามากกว่านั้น โดยที่สามารถรวมกลุ่มคำที่มีความหมายใกล้เคียงกัน และคำที่มีความสัมพันธ์กัน เพื่อสร้างให้เกิด intelligence จากข้อมูลที่มีอยู่ได้

ทีมงานในโครงการด้าน BI ที่ผมทำงานด้วยนี่จัดกลุ่มไว้เป็นสามกลุ่ม ตามความพร้อมแต่ละด้าน คือ ด้าน technical, user และ client  ทีมงานด้านเทคนิคคือฝ่าย IT ที่ดูแลงานออกแบบและสร้างระบบ ผู้นำด้านผู้ใช้จะเป็นตัวแทนด้าน business requirements หรือการปรับเปลี่ยนกระบวนการทำงานต่างๆ (work processes) เพื่อให้การนำระบบงานเข้าไปใช้ให้เกิดประโยชน์สูงสุด ส่วนกลุ่มที่ติดต่อกับผู้บริหารก็ทำหน้าที่ผู้จัดการโครงการโดยทั่วไป คอยสื่อสารกับผู้บริการและผู้เกี่ยวข้องอื่นๆ

หนึ่งในงานชิ้นใหญ่เลยคือการเตรียมข้อมูลอ้างอิง หรือ master data ซึ่งจากที่เคยคุยให้ฟังแล้วว่า การสำรวจความพร้อมของ master data ถือเป็นเรื่องจำเป็นสำหรับการทำระบบ Business Intelligence เนื้องานกว่าครึ่งในโครงการ BI จะเกี่ยวข้องกับการจัดเตรียมข้อมูลอ้างอิง (ไม่นับรวมกับการพัฒนาระบบนะครับ)

ผมสังเกตเห็นว่า โดยมากแล้วคนในโปรเจ็คจะมองว่างานด้านข้อมูล เป็นงานเชิงเทคนิค การจัดการข้อมูล หาข้อมูลอ้างอิงที่ซ้ำซ้อนกัน เอามาทำความสะอาดแล้วก็อัพโหลดเข้าไปในระบบ เพื่อให้รายงานออกมาอ้างอิงอยู่บน master data ที่ถูกต้องครบถ้วนก็ใช้ได้แล้ว ดังนั้นเลยกลายเป็นว่า ใช้ให้คนแผนกไอทีเป็นคนทำ แล้วเลยกลายเป็นว่า master data readiness กลายเป็นหนึ่งในปัจจัยเชิงเทคนิคไปเสียได้

ทั้งๆ ที่ในความคิดของผมแล้ว ผลลัพธ์คุณภาพของข้อมูลอ้างอิง กว่า 80 เปอร์เซ็นต์เป็นเรื่องของบุคคลากรในองค์กร และกระบวนการทำงานครับ ที่เห็นประจำมีสองข้อคือ

1. นิยามของข้อมูลอ้างอิงที่ไม่ชัดเจน หรือไม่สอดคล้องกัน อย่างข้อมูลเกี่ยวกับลูกค้า อาจจะมี attribute หนึ่งที่บอกว่าลูกค้ารายนี้เป็นลูกค้าชั้นดีหรือไม่ ซึ่งในแง่เทคนิคแล้วง่ายมาก ถ้าเป็นลูกค้าชั้นดี attribute top_customer มีค่าเป็น Y ถ้ามีค่าอื่นแสดงว่าไม่ใช่ลูกค้าชั้นดี ปัญหาส่วนใหญ่จะอยู่ที่ หัวหน้าแต่ละแผนก ให้นิยามของลูกค้าชั้นดีแตกต่างกัน ฝ่ายขายอาจจะดูที่ยอดขาย ในขณะที่ฝ่ายการเงินดูที่ประวัติการชำระเงิน
2. ขั้นตอนการทำงานในการ CRUD (Create-Read-Update-Delete) ของข้อมูลอ้างอิง ไม่ได้มีการกำหนดไว้อย่างชัดเจน ลูกค้าอาจจะแค่เปลี่ยนชื่อบริษัท (แต่ยังเป็นลูกค้ารายเดิม) ก็กลายเป็นว่ามีการสร้าง customer id รายใหม่เข้ามาในระบบ ทั้งนี้เพราะเซลล์ซึ่งดูแลลูกค้ารายนี้ ไม่ได้แจ้งกับเจ้าหน้าที่ที่ทำหน้าที่บันทึกข้อมูล ว่าลูกค้ารายนี้มีประวัติอยู่ก่อนแล้ว

เอาแค่สองข้อนี้ ก็คงพอจะเห็นแล้วนะครับว่า ความพร้อมด้านข้อมูลอ้างอิง ไม่ได้ดูจากตัวข้อมูลเอง แต่ดูจาก “นิยาม” และ “กระบวนการจัดการข้อมูล” ที่ชัดเจนและสอดคล้องกัน ซึ่งเป็นหน้าที่ของทางฝ่ายธุรกิจ ที่จะต้องผลักดันให้เกิดความเข้าใจที่ตรงกันและมีขั้นตอนการทำงานที่เหมือนกัน ฝ่ายไอทีเพียงแต่เป็นผู้ลงมือปฎิบัติ หรือสร้างเครื่องมือช่วยให้การปฎิบัติงานสะดวกมากขึ้นเท่านั้นเอง

เว็บไซต์ Oracle Management Excellence มี resource ในหลายรูปแบบ เน้นไปที่ EPM หรือ Enterprise Performance Management ซึ่งผมถือว่าเป็นการนำ business intelligence ไปใช้งานกลุ่มเฉพาะที่เน้นไปที่การเพิ่มความสามารถในการบริหาร “ผลประกอบการ” ขององค์กร

ภายในเว็บก็จะมี podcast มี presentation รวมถึงบันทึกการบรรยายทางเว็บหรือที่เรียกว่า webcast ที่เราสามารถดาวน์โหลดมาศึกษาเองได้ หรือถ้าใครสนใจ ก็สามารถสมัครเข้าฟังบรรยายสดได้ฟรี โดยลงทะเบียนผ่านทางเว็บได้เลย เนื้อหาก็ไม่ลงรายละเอียดมากนัก ไปทาง strategy, concept, case study กับ demo ความสามารถของผลิตภัณฑ์ oracle (แน่อยู่แล้ว)

ผมสังเกตว่า Oracle เริ่มปรับทิศทางด้าน BI มาชัดเจนมากขึ้น หลังจากการซื้อ Hyperion มาเมื่อปีที่แล้ัว แต่ก็ยังเห็นความเหลื่อมๆ กันอยู่บ้างระหว่างผลิตภัณฑ์ที่พัฒนามาเอง กับที่เพิ่งซื้อเข้ามา (รวมถึง Siebel Analytics/Dashboard ที่ซื้อมาก่อนหน้านี้ด้วย)

ฟัง podcast ช่างคุย ในตอนที่ 100 เรื่อง 4 wired articles แล้วให้สะดุดใจ ในเรื่องของรถไฟฟ้ากับแนวคิดการสร้างเครือข่ายพลังงานแบตเตอรี่ คุณ @hongsyok พูดไว้ประโยคหนึ่งที่ผมคิดว่าน่าสนใจมาก นั่นคือ ความพร้อมในการ ‘Commercialize’ หรือพัฒนาให้เกิดผลในเชิงพาณิชย์ได้ของนวัตกรรมใดๆ จะต้องมีองค์ประกอบสามด้านเสมอ นั่นคือความพร้อมทางด้านเทคโนโลยี ทางด้านผู้ับริโภค และทางด้านโครงสร้างพื้นฐาน แวบนั้นผมนึกไปถึงเจ้าเครื่อง Segway ซึ่งเป็นสิ่งประดิษฐืที่มีความพร้อมทางด้านเทคโนโลยี แต่อาจจะยังขาดความพร้อมทั้งทางด้านผู้ใช้ (ที่มีกำลังซื้อ) และที่แน่ๆ คือ infrastructure ไม่เอื้ออำนวย นอกเสียจากจะรื้อแล้วทำทางเดินเท้าใหม่ทั้งหมด ก็เข้าข่ายเดียวกันกับรถไฟฟ้า

กลับมาเข้าเรื่อง Business intelligence กันบ้าง ผมมองว่า ไม่ต่่างกันมากนัก การจะนำ BI เข้ามาใช้ในองค์กรให้ประสบความสำเร็จ ต้องมีองค์ประกอบสามด้านเช่นกัน ที่แตกต่างกันก็คือ ผมมองโครงสร้างพื้นฐาน (network bandwidth, computing power) เป็นส่วนหนึ่งของความพร้อมทางด้านเทคนิค ส่วนที่เพิ่มเข้ามาคือความพร้อม Client ซึ่งในที่นี้หมายถึง ผู้บริหารที่ตัดสินใจจะนำ BI เข้ามาใช้เพิ่มประสิทธิภาพการทำงานในองค์กรนั่นเอง เพราะในงาน BI คนจ่ายตังค์กับคนใช้ มักจะเป็นคนละกลุ่มกัน

บ่อยครั้งที่การตัดสินใจพัฒนา และนำระบบ BI เข้ามาใช้ มีพื้นฐานมาจากความพร้อมทางเทคนิคเพียงอย่างเดียว แต่ละเลยความสำคัญในอีกสองส่วนไป ทำ้ให้เกิดปัญหาทำ report บ้าง ทำ cube บ้างมาเยอะแยะ แล้วก็ไม่มีคนใช้ หรือไม่ก็ใช้ไปๆ ก็เลิกใช้เสียยังงั้นแหละ

ลองมาดูกันบ้างว่า คำถามประเภทไหน ที่น่าจะถามเพื่อวัดถึงความพร้อมในแต่ละด้าน อันนี้เป็นแค่ตัวอย่างนะครับ

Technical Readiness - ความพร้อมทางด้านเทคนิค

• ระบบทำงานได้ถูกต้องและแม่นยำ มีอาการ แฮงค์ ตัวเลขแปลกๆ เพี้ยนๆ บ้างหรือไม่
• ความนำเชื่อถือ หรือ reliability ของระบบ Daily updates ตอนเช้าให้รายงานล่าสุดสม่ำเสมอหรือไม่ หรือว่ารายงานออกช้าเป็นประจำ job failed วันเว้นวัน
• การสนับสนุนทางเทคนิค พร้อมหรือไม่ ใครรับสายจากผู้ใช้ ถ้ามีปัญหา call center รู้หรือไม่ว่าจะตามหาใคร

User Readiness - ความพร้อมด้านผู้ใช้

• ใช้งานระบบใหม่เป็นหรือยัง ผ่านการอบรมมาหรือไม่ รู้หรือไม่ว่าเมื่อไหร่ควรเปิดใช้ cube A แทนที่จะเป็น cube B
• ถ้ามีปัญหา ทราบหรือไม่ว่าต้องติดต่อใคร ไม่ว่าจะเป็นปัญหาเกี่ยวกับตัวระบบ หรือปัญหาเกี่ยวกับข้อมูลที่แสดงให้เห็น
• ทราบหรือไม่ว่า “ความคาดหวัง” ที่เปลี่ยนไปหลังจากใช้ระบบเป็นอย่างไร กระบวนการทำงานบางอย่างจะเปลี่ยนแปลงไปจากเดิมอย่างไรบ้าง รายงานหรือข้ือมูลบางฉบับควรจะถูกยกเลิก หลังจากที่ BI ถูกนำมาใช้

Client Readiness - ความพร้อมด้านผู้บริหาร

• พร้อมที่จะให้งบประมาณ ทรัพยากรบุคคล และการสนับสนุนเพื่อให้ระบบ BI สามารถทำงานได้สำเร็จหรือไม่
• เข้าใจถึง “ต้นทุน” ในระหว่างการติดตั้ง และในระหว่างดำเนินการหรือไม่ ไม่เฉพาะแค่รายจ่ายเป็นตัวเิงิน แต่รวมถึง TCO: Total Cost of Ownership อาิทิเช่น การเปลี่ยนแปลงกระบวนการทำงาน การควบคุมคุณภาพของข้อมูล เป็นต้น
• เข้าใจถึงวิธีการที่จะวัด “ประสิทธิภาพ” ที่เพิ่มขึ้นจากการนำ BI มาใช้งาน

DM Review ร่วมกับ WiseAnalytics จัดการสำรวจการใช้งาน Business Intelligence ในองค์กรธุรกิจขนาดกลาง โดยมีกลุ่มผู้เข้าร่วมสำรวจ (เฉพาะที่ทำแบบสอบถามผ่าน DM Review จำนวน 87 ราย แบ่งตามประเภทธุรกิจดังนี้

และกลุ่มองค์กรที่เข้าร่วมการสำรวจ แบ่งตามรายได้ ส่วนใหญ่เกือบครึ่งจะมีรายได้ไม่เกิน 100 ล้านเหรียญต่อปี แต่ที่น่าสนใจก็คือ ประมาณเกือบหนึ่งในสี่ อยู่ในองค์กรขนาดใหญ่ (ยอดขายกว่าหนึ่งพันล้านเหรียญ) ส่วนหนึ่งอาจจะเป็นเพราะ ลักษณะการใช้งานเทคโนโลยีในองค์กรขนาดใหญ่ ส่วนมากยังเป็นลักษณะเป็น Silo หรือแบ่งแยกตามแผนกอยู่ มีน้อยมากๆ ที่จะใช้งาน BI ในลักษณะทั่วทั้งองค์กร

ผู้ตอบแบบสอบถามส่วนใหญ่กว่าครึ่งยังเป็นกลุ่มที่ทำงานในแผนก IT แสดงให้เห็นว่า การนำ BI ไปใช้งานในภาคธุรกิจ ยังคงถูกผลักดันโดยฝ่ายไอทีอยู่ ผ่านทางการจัดทำระบบ data warehouse และ reporting systems ต่างๆ แม้ว่าจะมีความพยายามให้ทางฝ่าย business เป็นผู้นำทางด้านนี้ แต่ก็ยังไม่ประสบความสำเร็จมากนัก การผลักดันโดยฝ่ายไอทีเป็นหลัก จะทำให้ผู้ใช้ยังคงมองระบบ BI เป็น งานด้าน technical มากกว่าที่จะเป็นความสามารถพื้นฐานในองค์กรอย่างที่ควรจะเป็น

Business Objects, Microsoft และ Cognos เป็นสามผู้นำในตลาดองค์กรขนาดกลาง เป็นเพราะทั้งสามรายนี้ให้ความสำคัญทางการตลาดกับกลุ่มบริษัทขนาดกลาง

จากผลการสำรวจ ยังคงมีอีก 28 เปอร์เซ็นต์ที่ยังไม่ได้เริ่มลงมือนำระบบ business intelligence ไปใช้งานในองค์กร ซึ่งก็นับว่าตลาดยังสามารถขยายได้อีก และในส่วนที่ได้ลงมือทำไปแล้ว มีเพียงแค่ครึ่งเดียวเท่านั้น ที่รู้สึกได้ว่า BI สามารถตอบสนองความต้องการทางธุรกิจได้ ก็ต้องถือได้ว่า BI solution สำหรับองค์กรธุรกิจขนาดกลาง ยังไม่ประสบความสำเร็จมากนัก

และส่วนสุดท้ายคือ ปัจจัยที่จะทำให้ BI สามารถตอบสนองความต้องการได้ดียิ่งขึ้น สามเหตุผลหลักคือเรื่องราคา ที่ยังคงสูงเกินไป การใช้งานที่ง่ายขึ้น และความสามารถในการผสานเข้ากับแอพลิเคชันตัวอื่นๆ ได้ดีขึ้น

ที่มา: DM Review Midmarket Business Intelligence Survey Results